虽然大型语言模型 (LLM) 和生成式 AI在过去一年中占据了企业 AI 讨论的主导地位，但企业还可以通过其他方式从 AI 中获益。其中一种替代方案是大型定量模型 (LQM)。
LQM 经过训练，可以针对与行业或应用相关的特定目标和参数进行优化，例如材料属性或财务风险指标。这与 LLM 更一般的语言理解和生成任务形成对比。LQM 的主要倡导者和商业供应商之一是SandboxAQ，该公司今天宣布已在新一轮融资中筹集了 3 亿美元。该公司最初是 Alphabet 的一部分，并于 2022 年作为独立业务分拆出来。
这笔资金证明了该公司的成功，更重要的是，证明了其在解决企业 AI 用例方面未来的增长前景。SandboxAQ 已与埃森哲、德勤和安永等主要咨询公司建立了合作伙伴关系，以分销其企业解决方案。
LQM 的主要优势在于它们能够解决行业中复杂的、特定领域的问题，在这些行业中，底层物理和定量关系至关重要。
SandboxAQ 首席执行官 Jack Hidary说：“对于使用我们 AI 的公司来说，一切都与核心产品创造有关。”“因此，如果你想开发一种药物、一种诊断方法、一种新材料，或者你想在一家大银行进行风险管理，那么量化模型就会大放异彩。”
为什么 LQM 对企业 AI 至关重要
LQM 的目标和工作方式与 LLM 不同。与处理互联网文本数据的 LLM不同，LQM 根据数学方程和物理原理生成自己的数据。其目标是解决企业可能面临的量化挑战。
“我们生成数据并从定量来源获取数据，”希达里解释道。
这种方法可以在传统方法停滞的领域实现突破。例如，在电池开发领域，锂离子技术已占据主导地位 45 年，LQM 可以模拟数百万种可能的化学组合，而无需进行物理原型设计。
同样，在药物开发中，传统方法在临床试验中面临很高的失败率，而 LQM 可以在电子水平上分析分子结构和相互作用。
同时，在金融服务领域，LQM 解决了传统建模方法的局限性。
“蒙特卡罗模拟已不足以处理结构化工具的复杂性，”希达里说。蒙特卡罗模拟是一种经典的计算算法，使用随机抽样来获得结果。借助 SandboxAQ LQM 方法，金融服务公司可以以蒙特卡罗模拟无法实现的方式进行扩展。希达里指出，一些金融投资组合可能非常复杂，包含各种结构化工具和期权。
希达里表示：“如果我有一个投资组合，我想知道这个投资组合发生变化时尾部风险是多少，我会创建 3 亿到 5 亿个版本的投资组合，并对其进行细微的修改，然后我再看看尾部风险。”
SandboxAQ 如何使用 LQM 来提高网络安全
Sandbox AQ 的 LQM 技术专注于使企业能够创造新的产品、材料和解决方案，而不仅仅是优化现有流程。
该公司一直在创新的企业垂直领域之一是网络安全。2023 年，该公司首次发布了其Sandwich 加密管理技术。此后，该公司的 AQtive Guard 企业解决方案进一步扩展了该技术。
该软件可以分析企业的文件、应用程序和网络流量，以识别正在使用的加密算法。这包括检测是否使用了过时或损坏的加密算法，如 MD5 和 SHA-1。SandboxAQ 将这些信息输入管理模型，该模型可以向首席信息安全官 (CISO) 和合规团队发出潜在漏洞警报。
虽然LLM 可以用于相同目的，但 LQM 采用了不同的方法。LLM 接受广泛的非结构化互联网数据训练，这些数据可能包括有关加密算法和漏洞的信息。相比之下，SandboxAQ 的 LQM 是使用有关加密算法、其属性和已知漏洞的有针对性的定量数据构建的。LQM 使用这些结构化数据来构建专门用于加密分析的模型和知识图，而不是依赖于一般的语言理解。
展望未来，Sandbox AQ 还致力于开发未来的补救模块，该模块可以自动建议并实施对正在使用的加密的更新。
没有量子计算机或变压器的量子维度
SandboxAQ 最初的想法是将人工智能技术与量子计算相结合。
Hidary 和他的团队很早就意识到，真正的量子计算机在短期内很难实现，也不够强大。SandboxAQ 正在利用通过增强的 GPU 基础设施实现的量子原理。通过合作，SandboxAQ 扩展了 Nvidia 的 CUDA 功能以处理量子技术。
SandboxAQ 也没有使用变压器，而变压器是几乎所有 LLM 的基础。
“我们训练的模型是神经网络模型和知识图谱，但它们不是转换器，”希达里说。“你可以从方程式生成数据，但也可以获取来自传感器或其他来源和网络的定量数据。”
尽管 LQM 与 LLM 不同，但 Hidary 并不认为对于企业来说这是一个非此即彼的情况。
他说道：“让法学硕士 (LLM) 发挥他们所长，然后引进法学硕士 (LQM) 发挥他们所长。”
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/chao-yue-fa-xue-shuo-shi-sandboxaq-de-da-xing-liang-hua-mo
